Scalable aggregation of demand side flexibilities in power systems

Die zunehmende Integration erneuerbarer Energien und die steigende Stromnachfrage stellen moderne Stromnetze vor erhebliche Herausforderungen. Eine zentrale Schwierigkeit besteht darin, das Gleichgewicht zwischen schwankender Energieerzeugung und wachsender Nachfrage aufrechtzuerhalten. Gleichzeitig werden immer mehr Flexibilitäten wie Batteriespeicher, thermostatgesteuerte Lasten und Elektrofahrzeuge in das System integriert, die ein großes Potenzial für netzstabilisierende Dienste bieten. Um einen sicheren und effizienten Netzbetrieb zu gewährleisten, wird in der Literatur die Aggregation als Lösungsansatz diskutiert. Dabei wird die Flexibilität verschiedener Geräte genutzt, um an Energiemärkten teilzunehmen. Der Aggregator kennt als einzige Entität die Systemdetails und hat die Betriebsautorität über die Geräte der Vertragsverbraucher, was den Datenschutz gewährleistet. Eine Herausforderung bei der aggregationsbasierten Steuerung ist jedoch die genaue Quantifizierung der aggregierten Flexibilität. Die Flexibilität eines Geräts kann durch die Menge seiner potenziellen Lastprofile dargestellt werden, und die aggregierte Flexibilität mehrerer Geräte durch die Addition dieser individuellen Flexibilitätsmengen. Da die Mengenaddition jedoch nicht effizient berechenbar ist, wurden in der Literatur verschiedene Approximationsmethoden vorgeschlagen. Diese Dissertation untersucht das Konzept der aggregationsbasierten Betriebsführung und dessen Potenzial zur Bereitstellung von Regelleistung- und Zusatzdiensten. Zunächst werden moderne Approximationsstrategien analysiert und in einem Benchmark miteinander verglichen, um deren Schwächen aufzuzeigen. Auf dieser Basis wird eine eckpunktbasierte innere Approximation vorgeschlagen, um die Mängel bestehender Methoden zu überwinden. Dieser Ansatz wird auf Batteriespeichersysteme sowie auf konvexe Speichermodelle ausgeweitet, die eine Vielzahl praktikabler Geräte abbilden können. Abschließend wird eine effiziente Disaggregationsstrategie vorgestellt, die keine Online-Optimierung erfordert. Die entwickelten numerischen Verfahren werden als Open-Source-Python-Toolbox bereitgestellt und mit modernen Methoden hinsichtlich Rechenzeit und Genauigkeit verglichen. Das Hauptziel der Dissertation ist es, Algorithmen zu entwickeln, die es Forschern und Fachkräften aus der Industrie ermöglichen, die Flexibilität mehrerer Geräte in realen Anwendungsfällen genau und effizient zu aggregieren.